近日，东北大学机械工程与自动化学院颜云辉教授团队的研究成果“An End-to-end Steel Surface Defect Detection Approach via Fusing Multiple Hierarchical Features”入选国际仪器仪表类知名期刊《IEEE Transactions on Instrumentation and Measurement》的2020年Popular Articles。该项成果是由何彧博士生、宋克臣副教授、颜云辉教授和英国拉夫堡大学Qinggang Meng教授团队合作完成。

该项研究面向真实的热轧钢板表面缺陷检测，提出了一种融合卷积神经网络多层级特征的端到端缺陷检测方法，并与目前主流的检测方法进行对比，实验表明在检测精度和速度上该方法均具有显著优势，其对于提高工业产品的生产质量与推动制造业智能检测技术的研究发展具有重要价值。

据悉，颜云辉教授负责的机器视觉与机器人实验室，长期专注于机器视觉检测和服务机器人等方向的研究。近两年来，该团队在多个国际TOP期刊上发表了多篇创新性研究成果：在机器视觉表面缺陷检测方面，该团队的研究论文“PGA-Net: Pyramid Feature Fusion and Global Context Attention Network for Automated Surface Defect Detection”和“Unsupervised Saliency Detection of Rail Surface Defects using Stereoscopic Images”先后被工业信息领域顶级期刊《IEEE Transactions on Industrial Informatics》录用；在机器人相关研究方面，该团队的研究论文“Informed Anytime Fast Marching Tree for Asymptotically-Optimal Motion Planning”被《IEEE Transactions on Industrial Electronics》期刊录用，该期刊在IEEE旗下的Electrical and Electronic Engineering领域依据特征因子（Eigenfactor）排名第1，在中科院分区大类（工程技术）和小类（自动化与控制系统，工程：电子与电气，仪器仪表）中均为1区顶级期刊。以上研究成果获得了国家重点研发计划、国家自然科学基金等项目，以及辽宁省节能冶金装备与智能检测专业技术创新中心平台的支持。

近年来，东北大学机械学院制定了一系列科学有效的配套制度，为培育高水平研究成果提供了有力保障，同时也促进了学院在国际学术影响力等方面的持续提升。